Generatieve AI (GenAI) begon bij Nictiz als een experiment, maar kreeg binnen twee jaar een steeds grotere rol in het dagelijks werk. Een prijsverhoging van onze leverancier roept bredere vragen op: hoe afhankelijk ben je inmiddels geworden van één AI-platform en hoe houd je afhankelijkheden bestuurbaar? In deze reflectie lichten we onze gedachtegang toe en pleiten we voor wendbaarheid in systemen en gedrag.
We begonnen klein. Een aantal Nictiz-collega’s vond het leuk om met een AI-tool te experimenteren en de resultaten waren veelbelovend. Teksten werden goed vertaald en gecorrigeerd en complexe documenten overzichtelijk samengevat. In 2024 kozen we voor een verkennend leertraject met een grote leverancier. De vraag: kan een GenAI-systeem Nictiz helpen de kwaliteit van ons werk te verbeteren en processen te versnellen? Het bood ons iets dat daarvoor ontbrak: een veilige ‘zandbak’ waarin medewerkers laagdrempelig konden experimenteren, ook met informatie die afgeschermd moet blijven. Met waarborgen voor privacy, Europese verwerking en opslag van data en het uitgangspunt dat onze data niet worden gebruikt om modellen te trainen.
Die keuze heeft veel opgeleverd en de adoptie ging snel. Collega’s ontdekten hoe GenAI-systemen kunnen ondersteunen bij taken zoals beleidsvoorbereiding, de ontwikkeling van standaarden en interne kennisontsluiting. Afdelingen bouwden eigen GPT’s voor specifieke taken en maakten persoonlijke assistenten. We leerden ook waarvoor we GenAI minder goed kunnen gebruiken.
Van experiment naar infrastructuur
Tijdens dit proces veranderde de rol van GenAI. In het begin was GenAI een individueel hulpmiddel. Een licentie per gebruiker, overzichtelijk en in principe vervangbaar. Als het niet beviel, stopte je ermee. Dat is nu anders. Medewerkers proberen niet meer ‘even iets’, maar werken er standaard mee. Afdelingen integreren eigen GPT’s in hun werkwijze. Kennis, prompts en verfijnde instructies hopen zich op binnen één platform. Sommige werkprocessen leunen structureel op GenAI. Kortom: GenAI is verschoven van de rand van de organisatie richting het midden. Van hulpmiddel naar infrastructuur.
En dan is daar ineens een prijsverhoging. Niet dramatisch en ook niet onverwacht in een markt die nog volop in ontwikkeling is. Maar wel substantieel genoeg om erbij stil te staan. De reflex is om naar het bedrag te kijken. Is het marktconform? Kunnen we onderhandelen? Zijn er goedkopere alternatieven? Maar de werkelijke vraag is strategisch van aard: wat betekent de prijsverhoging voor onze positie? Een moment voor reflectie.
Nieuwe afhankelijkheden
Infrastructuur kent andere spelregels dan een hulpmiddel. Infrastructuur raakt aan continuïteit, governance en digitale soevereiniteit. Hier worden afhankelijkheden duidelijk. Als morgen het platform uitvalt, wat gebeurt er dan met onze processen? Hoeveel van onze kennis zit inmiddels besloten in prompts en configuraties binnen dat systeem? Kunnen we die eenvoudig meenemen naar een andere omgeving of zijn ze impliciet verbonden met de logica en mogelijkheden van dit specifieke platform?
Hoewel we ons bewust waren van deze risico’s en sommige functionaliteiten niet beschikbaar hebben gesteld, is de mate van afhankelijkheid snel gegroeid. Onze ervaring onderstreept dat vendor lock-in zelden ontstaat door één harde contractuele bepaling, maar veel vaker geleidelijk. Technisch, doordat workflows binnen het platform worden ingericht en niet eenvoudig te exporteren zijn. Organisatorisch, doordat medewerkers wennen aan één specifieke interface en hun werkwijze daarop afstemmen. Strategisch, doordat steeds meer processen afhankelijk worden van de beschikbaarheid en prestaties van één leverancier.
Naast vendor lock-in is er nog een subtielere laag van afhankelijkheid. Die heeft niet met één leverancier te maken, maar met GenAI in het algemeen. Wat doet het inbedden van commerciële AI-platforms met onze professionele oordeelsvorming? Wanneer we denkprocessen uitbesteden aan externe hulpmiddelen zoals GenAI-systemen (ook wel cognitive offloading) kan dat leiden tot het verlies van belangrijke cognitieve vaardigheden.
Hoe borgen we dat we in staat blijven de essentie van complexe teksten te begrijpen? Dat we zelf de toon van een e-mail kunnen aanpassen en onze schrijfstijl niet verschuift naar eenheidsworst en buzzwords? Als onze cognitieve infrastructuur steeds meer wordt ondersteund door nieuwe technologieën, moeten we blijven reflecteren op onze eigen autonomie en expertise.
Daadwerkelijke kosten
Deze overwegingen laten zien dat de licentieprijs per gebruiker een fractie van het verhaal is. De werkelijke kosten bestaan uit implementatie, integratie, adoptie, opleiding en veranderde werk- en denkprocessen. En wellicht belangrijker: uit toekomstige migratiekosten. Wat kost het ons als we binnen vijf jaar besluiten dat we willen overstappen? Hoeveel kennis moeten we dan opnieuw structureren? Hoeveel workflows opnieuw inrichten? Hoeveel medewerkers opnieuw trainen?
Als we de blik verbreden, komen daar andere ethisch relevante kosten bij. Denk aan de impact op het milieu, menselijke kosten door precaire arbeidsomstandigheden bij het trainen van AI-modellen en vraagstukken rond intellectueel eigendom. Daarmee wordt de vraag ‘Wat kost het ons?’ verbreed van Nictiz naar de maatschappij.
Voorbeeldrol
Over de maatschappij gesproken: Nictiz opereert in het hart van de zorginformatievoorziening. Onze rol is niet commercieel maar publiek. Dat betekent dat onze keuzes niet alleen intern effect hebben, maar ook richtinggevend kunnen zijn voor het zorgveld. Als bijdrager aan de digitale infrastructuur van de zorg staan voor ons de principes van openheid, standaardisatie en duurzame regie centraal. In de zorginformatievoorziening zetten we immers al jaren in op open standaarden en modulaire bouwblokken zoals FHIR en SNOMED. Die zijn herbruikbaar, uitwisselbaar en niet gebonden aan één leverancier. Wanneer wij onze kennisontwikkeling, analyses en beleidsvoorbereiding structureel laten ondersteunen door één commercieel AI-platform, schuurt dat met onze uitgangspunten rond autonomie en digitale soevereiniteit. Door onze eigen afwegingen te delen, willen we ook andere partijen in de zorg helpen om bewuste keuzes te maken over de inzet van AI.
Handelingsperspectieven
De vraag is dus hoe we ons tot de prijsverhoging en de bijbehorende afhankelijkheden verhouden. We kunnen ervoor kiezen de prijsverhoging te accepteren en te erkennen dat het GenAI-systeem van onze leverancier voor ons een kernvoorziening is geworden. In dat scenario professionaliseren we het contractmanagement, leggen we governance helder vast en borgen we het als structureel onderdeel van onze informatievoorziening. Een legitieme keuze, mits we de afhankelijkheid expliciet onderkennen en actief managen.
Een andere mogelijkheid is diversifiëren. Niet alles op één platform, maar meerdere oplossingen naast elkaar verkennen: andere commerciële aanbieders, opensourcemodellen of Europese alternatieven. Daarmee vergroten we onze onderhandelingsruimte en verkleinen we onze strategische kwetsbaarheid. Dat vraagt echter ook om coördinatie en architectuurkaders, anders ontstaat versnippering.
Een derde route ligt in de architectuur zelf. We kunnen onze AI-architectuur zo ontwerpen dat afhankelijkheid van één platform wordt beperkt. Bijvoorbeeld door prompts en kennis niet uitsluitend binnen het platform te beheren, maar in een centrale, platform-
onafhankelijke bibliotheek. Ook kunnen we workflows via een aparte laag organiseren. Zo worden AI-modellen verwisselbare componenten in plaats van allesbepalende monolithische systemen. Deze principes kunnen we verankeren in onze doelarchitectuur: het beoogde toekomstbeeld van onze informatievoorziening, met principes als modulariteit, standaardisatie, leveranciersneutraliteit en vervangbaarheid.
Onze keuze
Bij Nictiz combineren we elementen uit deze mogelijkheden. Ten eerste hebben we de prijsverhoging voor nu geaccepteerd en zijn we ons bewust van onze afhankelijkheid van de leverancier. Ten tweede kijken we naar alternatieven om onze onafhankelijkheid te vergroten en (open source) alternatieven te versterken. Dit past bij onze rol als publieke organisatie. Vanuit die rol denken we mee over AI-diensten. Zo dragen we bij aan een duurzame, publieke digitale infrastructuur voor de zorg. Ten derde richten we onze doel-
architectuur zo in dat deze wendbaar, open en soeverein is. We kunnen modellen eenvoudig vervangen. Ook beheren we prompts en kennis onafhankelijk van het platform.
Uit de reflectie blijkt dat we commerciële platforms niet hoeven af te wijzen om onze autonomie te bewaren. We moeten alleen voorkomen dat gemak ongemerkt verandert in afhankelijkheid. We moeten AI-systemen daarom zo inbedden dat we onze afhankelijkheden beheersbaar kunnen houden. Ook als de spelregels veranderen. Dat vraagt om regelmatig kijken naar de eigen organisatie: welke afhankelijkheden bouw je op en heb je voldoende mogelijkheden om andere keuzes te maken? Zo behouden we de handelingsruimte om onze missie te volgen: betere gezondheid door betere gezondheidsinformatie.
Leren van onze eigen AI-praktijk
Dit artikel is onderdeel van een nieuwe Nictiz-reeks over geleerde lessen uit onze aanpak van AI-vraagstukken. Bij Nictiz werken we aan goede voorwaarden om AI-systemen in te kunnen zetten in het gezondheidsinformatiestelsel (GIS). Daarbij geloven we in practice what you preach: als we werken aan voorwaarden voor verantwoord gebruik van AI-systemen in het GIS, moeten we die ook binnen onze eigen organisatie toepassen.
Daarom delen we onze ervaringen. Niet omdat we alle antwoorden hebben, maar om onze afwegingen transparant te maken en van elkaar te leren. De volgende reflectieartikelen uit deze reeks verschijnen onder andere op Nictiz.nl.
